期望最大算法的优化及其在神经放电尖峰分类中的应用

全部作者：尹海兵 胡德文 刘亚东 李明 王玉成第1作者单位：国防科技大学机电工程与自动化学院自动控制系论文摘要：近年来，包括了基于多元t分布混合模型的期望最大算法(EM)在内的多种自动实现神经放电尖峰(spike)分类的'方法不断得到发展。然而，研究表明，EM算法具有线性收敛性，对于神经放电尖峰的分类来说，由于计算时间的消耗而显得不太适用。本文介绍了1种优化的EM算法，它基于多元t分布混合模型，可以实现有效地神经放电尖峰的分类。在神经放电尖峰的高维特征空间内，算法利用梯度上升原理对EM算法进行了优化，在仿真和实际数据中的应用表明，优化后的算法具有更好的收敛速度和更好的鲁棒性，更适合应用于神经放电尖峰的分类。关键词：神经放电尖峰分类、期望最大算法、梯度上升 (浏览全文)发表日期：2008年04月10日同行评议：

（暂时没有）